2. 性能度量与基准：定义关键性能指标

性能优化这件事，说白了就是「先测量，再动手」。

我在项目里见过太多团队，一上来就闷头改代码，改完发现性能没提升，甚至更差了。为什么？因为没有基准。你连起点在哪都不知道，怎么知道终点在哪？

这一章，我们就来聊聊怎么定义性能指标，怎么建立一套靠谱的基准测试流程。嗯，这些都是我踩过坑之后总结出来的。

2.1 关键性能指标（KPI）

汽车软件里，我们最关心的指标其实就四个：延迟、吞吐量、CPU负载、内存占用。别小看这四个，每个背后都有门道。

2.1.1 延迟（Latency）

延迟就是「从请求发出到响应回来」的时间。在汽车里，这直接关系到安全。比如刹车信号，延迟超过10毫秒，可能就撞上了。

我个人习惯把延迟拆成三部分来看：

• 端到端延迟：从传感器采集到执行器动作的完整时间。
• 通信延迟：数据在总线或网络上传输的时间。
• 处理延迟：ECU内部计算、调度、排队的时间。

我曾经在一个项目中，发现某个功能偶尔会卡顿。查了半天，原来是任务调度优先级设错了。一个低优先级的诊断任务，把高优先级的控制任务堵住了。你看，延迟问题往往藏在调度里。

2.1.2 吞吐量（Throughput）

吞吐量就是「单位时间内能处理多少事」。比如CAN总线每秒能发多少帧，或者一个ADAS算法每秒能处理多少帧图像。

吞吐量和延迟是两回事。高吞吐量不一定低延迟，反过来也一样。我见过一个系统，吞吐量很高，但每个请求都要排队等很久。这就是典型的「吞吐量好看，延迟难看」。

在汽车里，吞吐量通常用这些单位衡量：

• 消息/秒（msg/s）
• 帧/秒（fps）
• 字节/秒（B/s）

2.1.3 CPU负载（CPU Load）

CPU负载，说白了就是CPU有多忙。但这里有个坑：CPU负载高，不一定代表系统有问题。关键是看「峰值负载」和「平均负载」。

我习惯用这两个指标：

• 瞬时负载：某个瞬间的CPU使用率。看它会不会超过阈值（比如90%）。
• 平均负载：一段时间内的平均使用率。看它是否稳定。

我曾经遇到一个项目，平均负载只有30%，但偶尔会飙到95%。后来发现是一个中断处理函数写得不好，每次触发都要跑很久。嗯，这种问题，只看平均负载是发现不了的。

2.1.4 内存占用（Memory Usage）

内存占用，不只是看「用了多少」，更要看「怎么用的」。我把它分成三类：

• 代码段：程序本身占的空间。一般固定不变。
• 数据段：全局变量、静态变量。也是固定的。
• 堆栈：动态分配和函数调用用的。这个最容易出问题。

我记得有一次，一个功能在测试时一切正常，但一上路就崩溃。查了三天，发现是栈溢出。一个递归函数在特定路况下调用深度太大，把栈撑爆了。从那以后，我每次做内存评估，都会留出至少30%的余量。

2.2 建立性能基准测试流程

指标定义好了，接下来就是怎么测。基准测试不是随便跑跑就行的，得有流程。我总结了一套「五步法」，分享给你。

2.2.1 第一步：确定测试场景

测试场景要贴近实际。比如：

• 怠速场景：发动机转速800rpm，空调关闭。
• 城市拥堵：走走停停，频繁启停。
• 高速巡航：120km/h，定速巡航开启。

每个场景的负载不一样，性能表现也不同。我建议至少覆盖3-5个典型场景。

2.2.2 第二步：搭建测试环境

环境要稳定、可重复。硬件、软件版本、网络拓扑都要固定。我曾经犯过一个错：在开发板上测的性能，和量产板差了一倍。后来发现，开发板的CPU频率设置不一样。嗯，这种低级错误，犯一次就够了。

2.2.3 第三步：编写测试脚本

测试要自动化，不能手动点。下面是一个简单的延迟测试脚本示例：

# 延迟测试脚本（伪代码）
def measure_latency():
    start = get_timestamp()
    send_request()
    wait_for_response()
    end = get_timestamp()
    return end - start

# 运行1000次，取P99
latencies = []
for i in range(1000):
    lat = measure_latency()
    latencies.append(lat)

p99 = sorted(latencies)[int(1000 * 0.99)]
print(f"P99 Latency: {p99} ms")

2.2.4 第四步：执行测试并记录数据

执行时要注意：

• 每次测试前，先让系统稳定运行几分钟。
• 记录所有原始数据，不要只记平均值。
• 同时记录系统状态（温度、电压等），这些会影响性能。

我习惯用表格来记录基准数据：

测试场景	平均延迟(ms)	P99延迟(ms)	吞吐量(msg/s)	CPU负载(%)	内存占用(KB)
怠速	2.1	3.5	500	25	128
城市拥堵	3.8	6.2	420	45	156
高速巡航	1.9	2.8	580	20	120

2.2.5 第五步：分析结果，建立基线

数据拿到后，要分析。看哪些指标超标，哪些在正常范围。然后把这些数据作为「基线」，保存下来。

以后每次改代码，都要重新跑一遍基准测试，和基线对比。如果性能变差了，说明改的有问题。如果变好了，恭喜你，优化成功了。

2.3 小结

这一章我们聊了四个关键指标：延迟、吞吐量、CPU负载、内存占用。每个指标都有它的侧重点，不能只看一个。基准测试流程呢，就是「定场景、搭环境、写脚本、跑数据、建基线」这五步。

记住一句话：没有基准的优化，都是瞎优化。你想想看，是不是这个道理？

下一章，我们会深入聊聊怎么用工具来采集这些性能数据。到时候，我会分享一些我常用的工具和技巧。

---

公众号:蓝海资料掘金营，微信deep3321